Разработали с нуля маркетплейс для поиска сиделок — большую двустороннюю платформу, которая связывает людей, нуждающихся в помощи, с проверенными специалистами, ищущими работу.
Проект включал полный цикл разработки: исследование пользовательских сценариев, проектирование архитектуры, создание дизайна, frontend- и backend-разработку, реализацию сложной системы фильтров, личных кабинетов, серверной инфраструктуры и механизмов отказоустойчивости.
Благодаря использованию LLM-инструментов в разработке удалось быстрее пройти этапы проектирования, реализации и тестирования, сократить стоимость проекта по сравнению с предложениями классических команд и при этом запустить стабильную, безопасную и готовую к развитию платформу.
Задача
Заказчик хотел создать полноценный маркетплейс сиделок, который объединял бы две группы пользователей.
С одной стороны — люди, которым требуется помощь для пожилого, маломобильного или временно нуждающегося в уходе родственника.
С другой стороны — сиделки и специалисты по уходу, которые ищут заказы, постоянную занятость или работу на определенные смены.
Платформа должна была:
- позволять заказчикам находить подходящую сиделку;
- предоставлять подробные анкеты специалистов;
- поддерживать сложный поиск по большому количеству параметров;
- учитывать график, опыт, навыки, местоположение и условия работы;
- давать сиделкам возможность создавать и редактировать профиль;
- обеспечивать удобное взаимодействие между сторонами;
- стабильно работать при росте количества пользователей;
- защищать персональные данные;
- иметь современный и понятный интерфейс;
- поддерживать дальнейшее масштабирование бизнеса.
Главная задача заключалась не просто в создании сайта с каталогом анкет.
Необходимо было построить полноценную цифровую платформу с двумя типами пользователей, разными бизнес-сценариями, сложной логикой подбора, высокой скоростью работы и надежной серверной инфраструктурой.
Проблема
Поиск сиделки — сложный и чувствительный процесс.
Пользователь выбирает не обычного исполнителя, а человека, которому предстоит ухаживать за родственником, находиться с ним дома и часто выполнять медицинские или бытовые процедуры.
При подборе важно учитывать множество факторов:
- опыт работы;
- квалификацию;
- навыки ухода;
- возможность работать с конкретными заболеваниями;
- наличие медицинской подготовки;
- формат занятости;
- график;
- стоимость услуг;
- местоположение;
- возможность проживания;
- готовность к ночным сменам;
- физические ограничения;
- знание языков;
- дополнительные требования семьи.
Простой каталог с несколькими фильтрами не позволил бы подобрать специалиста достаточно точно.
При этом сиделкам также нужен удобный инструмент. Специалист должен иметь возможность подробно рассказать о своем опыте, указать условия работы, обновлять доступность и получать релевантные предложения.
Еще одна проблема заключалась в масштабе системы. Большое количество анкет, фотографий, фильтров, поисковых запросов и пользовательских действий создает высокую нагрузку на backend и базу данных.
Без правильно спроектированной архитектуры платформа могла бы медленно загружаться, нестабильно работать при росте аудитории и становиться все сложнее в развитии.
Решение
Мы спроектировали и разработали маркетплейс сиделок как полноценный веб-продукт, а не как набор отдельных страниц.
Система была построена вокруг двух основных пользовательских ролей:
- заказчик, который ищет специалиста по уходу;
- сиделка, которая размещает анкету и ищет работу.
Для каждой роли разработали отдельные сценарии регистрации, заполнения профиля, поиска, управления данными и взаимодействия с платформой.
Мы полностью создали пользовательский интерфейс, frontend, backend, базу данных и серверную инфраструктуру.
Особое внимание уделили скорости поиска и работы фильтров. Структура данных и запросы были спроектированы так, чтобы пользователь быстро получал релевантную выдачу даже при большом количестве анкет.
Платформа развернута на многосерверной инфраструктуре с механизмами резервирования, мониторинга и восстановления. Это снижает вероятность простоя и позволяет увеличивать ресурсы по мере роста проекта.
LLM-инструменты использовались на разных этапах разработки: при анализе требований, проектировании модулей, генерации типовых компонентов, проверке кода, подготовке тестов и поиске потенциальных ошибок.
Это позволило сократить рутинную работу, быстрее проверять гипотезы и направить больше времени команды на архитектуру, безопасность и ключевую бизнес-логику.
Что реализовали
Двусторонний маркетплейс
Платформа объединяет две независимые группы пользователей с разными потребностями.
Заказчики могут искать сиделок, изучать анкеты, сравнивать условия и выбирать специалистов под конкретную ситуацию.
Сиделки могут создавать профессиональные профили, указывать опыт, навыки, желаемый график и условия сотрудничества.
Для каждой стороны реализован отдельный личный кабинет и собственная логика работы с сервисом.
Такой подход позволяет развивать маркетплейс сразу в двух направлениях: привлекать людей, которым необходим уход, и одновременно расширять базу специалистов.
Регистрацию и личные кабинеты
Мы разработали сценарии регистрации и авторизации для разных типов пользователей.
После регистрации заказчик получает доступ к инструментам поиска и управления своими данными.
Сиделка может заполнить расширенную анкету, загрузить фотографию, указать опыт, навыки, доступность, стоимость услуг и другие параметры.
В личном кабинете пользователь может:
- редактировать профиль;
- изменять контактные данные;
- управлять настройками;
- обновлять информацию о доступности;
- просматривать связанные с аккаунтом данные;
- работать с основными функциями платформы.
Разделение прав доступа предотвращает использование функций, не предназначенных для конкретного типа пользователя.
Подробные анкеты сиделок
Профиль специалиста был спроектирован так, чтобы заказчик мог принять решение без длительного сбора информации из дополнительных источников.
В анкете могут указываться:
- имя и фотография;
- возраст;
- город и район работы;
- опыт;
- образование;
- медицинская подготовка;
- перечень навыков;
- опыт работы с определенными заболеваниями;
- возможность проживания;
- готовность к ночным сменам;
- тип занятости;
- желаемый график;
- стоимость услуг;
- знание языков;
- дополнительная информация о специалисте.
Структура анкеты одновременно удобна для пользователя и пригодна для автоматического поиска.
Каждый параметр сохраняется в структурированном виде и может использоваться в фильтрации и ранжировании результатов.
Сложную систему фильтров
Одной из центральных функций маркетплейса стал поиск сиделок по большому количеству критериев.
Пользователь может последовательно сузить выбор и найти специалиста, который соответствует конкретной ситуации.
В фильтрации могут учитываться:
- география;
- стоимость услуг;
- опыт;
- график работы;
- формат занятости;
- наличие медицинских навыков;
- возможность проживания;
- работа в ночное время;
- опыт ухода за людьми с определенными заболеваниями;
- знание языка;
- дополнительные требования.
Фильтры работают совместно и формируют сложные запросы к базе данных.
Мы оптимизировали структуру хранения данных, индексы и серверную обработку запросов, чтобы выдача формировалась быстро даже при сочетании большого количества условий.
Поиск и релевантную выдачу
Пользователь должен не просто получить список всех подходящих анкет, а увидеть наиболее релевантных специалистов.
Поэтому при формировании выдачи система учитывает не только строгое совпадение фильтров, но и совокупность параметров профиля.
Анкеты могут ранжироваться с учетом:
- соответствия требованиям;
- полноты профиля;
- актуальности данных;
- доступности специалиста;
- географической близости;
- других бизнес-параметров платформы.
Архитектура позволяет в дальнейшем развивать алгоритм подбора и добавлять персональные рекомендации.
Дизайн и пользовательские сценарии
Мы полностью разработали дизайн платформы.
Интерфейс создавался с учетом того, что сервисом могут пользоваться люди разного возраста и с разным уровнем цифровой грамотности.
Основные действия сделаны понятными и последовательными:
- регистрация;
- создание анкеты;
- заполнение параметров;
- настройка фильтров;
- просмотр выдачи;
- изучение профиля;
- управление личным кабинетом.
Особое внимание уделили читаемости, навигации, формам и мобильной версии.
Пользователь может работать с платформой как с компьютера, так и со смартфона без потери ключевой функциональности.
Frontend платформы
Frontend был разработан как отдельное полноценное приложение с адаптивным интерфейсом.
При разработке учитывались:
- скорость первоначальной загрузки;
- динамическое обновление данных;
- корректная работа сложных форм;
- сохранение состояния фильтров;
- адаптация под мобильные устройства;
- обработка ошибок;
- доступность интерфейса;
- удобство дальнейшего развития.
Компоненты интерфейса были унифицированы, что ускоряет добавление новых страниц и функций.
Backend и бизнес-логику
Backend отвечает за регистрацию, авторизацию, работу профилей, фильтрацию, хранение данных и выполнение бизнес-правил.
Серверная часть обрабатывает:
- пользовательские аккаунты;
- роли и права доступа;
- анкеты специалистов;
- параметры поиска;
- загрузку файлов и фотографий;
- запросы к каталогу;
- настройки пользователей;
- внутренние операции платформы.
Бизнес-логика отделена от пользовательского интерфейса и инфраструктурных компонентов.
Это упрощает тестирование и позволяет независимо развивать frontend, backend и мобильные приложения, если они появятся в будущем.
Многосерверную инфраструктуру
Проект был рассчитан на дальнейший рост, поэтому инфраструктура не ограничивалась одним сервером.
Система распределена между несколькими серверными компонентами. Отдельные части отвечают за обработку веб-запросов, работу приложения, хранение данных и вспомогательные процессы.
Такой подход позволяет:
- распределять нагрузку;
- увеличивать вычислительные ресурсы;
- обслуживать больше пользователей;
- обновлять отдельные компоненты с минимальными простоями;
- снизить зависимость от одного сервера;
- быстрее восстанавливать работу при сбоях.
Инфраструктура подготовлена к горизонтальному масштабированию по мере увеличения аудитории и количества анкет.
Высокую скорость работы
Для маркетплейса с большим количеством фильтров производительность является частью основной функциональности.
Мы оптимизировали:
- структуру базы данных;
- запросы;
- индексы;
- серверную обработку;
- передачу данных между frontend и backend;
- загрузку изображений;
- кеширование;
- фоновые операции.
Тяжелые действия не блокируют пользовательский интерфейс, а часто запрашиваемые данные могут обрабатываться без повторного выполнения ресурсоемких операций.
В результате страницы, анкеты и результаты поиска загружаются быстро, а система сохраняет стабильность при росте нагрузки.
Отказоустойчивость
В платформе предусмотрены механизмы, которые снижают риск полной остановки сервиса из-за сбоя отдельного компонента.
Реализованы:
- разделение сервисов;
- автоматический перезапуск процессов;
- мониторинг состояния;
- резервное копирование;
- логирование ошибок;
- контроль доступности;
- изоляция критичных компонентов;
- возможность восстановления данных.
Это особенно важно для маркетплейса, где недоступность платформы одновременно влияет на заказчиков и специалистов.
Безопасность
Платформа работает с персональными данными, поэтому безопасность учитывалась на уровне архитектуры, backend и инфраструктуры.
Мы реализовали:
- защищенную авторизацию;
- разграничение ролей и прав;
- проверку входящих данных;
- защиту серверных методов;
- безопасную работу с файлами;
- ограничение доступа к персональной информации;
- защиту от типовых веб-уязвимостей;
- журналирование важных операций;
- безопасное хранение конфигурации и ключей.
Пользователь не может получить доступ к данным или действиям, которые не разрешены его ролью.
Тестирование и контроль качества
Большой объем логики требует системного тестирования.
Мы проверили:
- регистрацию и авторизацию;
- работу разных ролей;
- создание и изменение анкет;
- фильтрацию;
- поиск;
- права доступа;
- загрузку данных;
- обработку некорректных запросов;
- поведение системы при ошибках;
- работу на мобильных устройствах;
- устойчивость ключевых сценариев.
LLM-инструменты помогали быстрее создавать тестовые сценарии, анализировать код и находить потенциальные пограничные случаи.
При этом итоговые решения проходили ручную инженерную проверку. Использование ИИ не заменяло архитектурный контроль, code review и тестирование, а ускоряло их.
Использование LLM в разработке
Одним из преимуществ проекта стало системное применение LLM-инструментов в процессе разработки.
Они использовались для:
- декомпозиции требований;
- проработки пользовательских сценариев;
- подготовки черновых компонентов;
- генерации типового кода;
- проверки повторяющейся логики;
- создания тестов;
- анализа ошибок;
- подготовки документации;
- рефакторинга отдельных модулей.
За счет этого команда тратила меньше времени на механическую работу и больше — на сложные части продукта: архитектуру, производительность, безопасность и бизнес-логику.
Это позволило реализовать платформу быстрее и с меньшим бюджетом, чем предлагали команды, работавшие преимущественно по классической модели разработки.
При этом код не принимался без проверки. Каждый модуль проходил валидацию, тестирование и интеграцию с остальной системой.
Техническая основа
Проект построен на современной клиент-серверной архитектуре.
Техническое решение включает:
- адаптивное веб-приложение;
- отдельный backend;
- реляционную базу данных;
- систему индексов для быстрого поиска;
- кеширование;
- файловое хранилище;
- фоновые процессы;
- контейнеризацию;
- многосерверное развертывание;
- балансировку нагрузки;
- резервное копирование;
- мониторинг и логирование;
- CI/CD-процессы;
- LLM-инструменты для разработки и контроля качества.
Архитектура разделена на независимые уровни:
- пользовательский интерфейс;
- API;
- бизнес-логика;
- управление пользователями;
- каталог специалистов;
- фильтрация и поиск;
- работа с файлами;
- база данных;
- кеш;
- фоновые задачи;
- инфраструктура и мониторинг.
Такое разделение позволяет изменять отдельные компоненты без полной переделки системы.
В дальнейшем к платформе можно подключить мобильное приложение, онлайн-оплату, бронирование смен, внутренний чат, отзывы, проверку документов, рейтинги и новые модели монетизации.
Результат
Заказчик получил готовый маркетплейс сиделок, который закрывает потребности обеих сторон платформы.
Люди, которым необходим специалист по уходу, могут задать подробные требования и быстро найти релевантные анкеты.
Сиделки получают отдельный инструмент для представления своих навыков, опыта и условий работы.
Платформа работает быстро, поддерживает сложную фильтрацию и подготовлена к росту аудитории. Многосерверная архитектура, резервирование и мониторинг позволяют снизить риски простоев.
Заказчик получил не прототип и не шаблонный сайт, а полноценный цифровой продукт с собственной логикой, дизайном и инфраструктурой.
Использование LLM в разработке позволило сократить сроки и бюджет без отказа от инженерных практик. Автоматизация применялась для ускорения рутинных этапов, а архитектура, безопасность и критичная логика контролировались разработчиками.
В результате проект удалось реализовать быстрее и экономичнее предложений классических команд, сохранив качество, стабильность и возможность дальнейшего масштабирования.
Что получил заказчик
- Полноценный двусторонний маркетплейс.
- Отдельные сценарии для заказчиков и сиделок.
- Современный адаптивный дизайн.
- Подробные анкеты специалистов.
- Сложную систему фильтров.
- Быстрый поиск по большому количеству параметров.
- Личные кабинеты пользователей.
- Полностью разработанные frontend и backend.
- Оптимизированную базу данных.
- Многосерверную инфраструктуру.
- Механизмы отказоустойчивости и восстановления.
- Защиту персональных данных и разграничение доступа.
- Протестированные пользовательские сценарии.
- Архитектуру для дальнейшего роста.
- Сокращение сроков и стоимости разработки за счет применения LLM.
Проект был разработан как масштабируемая коммерческая платформа.
Заказчики получили удобный способ находить специалистов по уходу, сиделки — новый канал поиска работы, а владелец сервиса — полноценный технологический продукт, который можно развивать, монетизировать и масштабировать.